[发明专利]主题词提取方法、装置、存储介质及电子设备

说明书

本公开涉及一种主题词提取方法、装置、存储介质及电子设备，以避免提取出的主题词之间毫不相关的情况。该方法包括：接收客户端发送的用于确定目标文本的主题词的请求；响应于接收到所述请求，将所述目标文本输入到主题词模型中进行处理，得到所述目标文本的主题词；其中，所述主题词模型中包括已标注主题词的多个文本，所述多个文本中的每个文本对应至少一个主题词，所述主题词模型用于通过如下方式对所述目标文本进行处理：在所述已标注主题词的多个文本中，确定所述目标文本的相似文本；确定所述相似文本中各主题词的目标权重值；将所述目标权重值最大的主题词确定为所述目标文本的主题词。

技术领域

本公开涉及文本处理技术领域，具体地，涉及一种主题词提取方法、装置、存储介质及电子设备。

背景技术

主题词是指可以表征文本主要内容的分词，例如，在基于内容的文本分类中，可以提取能够反映文本内容的主题词，然后根据提取到的主题词进行文本分类。

相关技术中，对于主题词的提取大多是使用LDA算法(Latent DirichletAllocation，文档主题生成模型)对文本进行处理。其中，LDA是一种非监督机器学习技术，可以用来识别大规模文档集或语料库中潜藏的主题信息。它采用了词袋的方法，将每一篇文档视为一个词频向量，并认为每一篇文档代表了一些主题所构成的Dirichlet分布，而每一个主题又代表了很多单词所构成的Dirichlet分布。但是，由于Dirichlet分布中各分量间的弱相关性，可能使得提取出的主题词之间毫不相关，从而无法根据该主题词较好地确定文本的主要内容。

发明内容

本公开的目的是提供一种主题词提取方法、装置、存储介质及电子设备，以避免提取出的主题词之间毫不相关的情况。

为了实现上述目的，第一方面，本公开提供一种主题词提取方法，应用于服务器，包括：

接收客户端发送的用于确定目标文本的主题词的请求；

响应于接收到所述请求，将所述目标文本输入到主题词模型中进行处理，得到所述目标文本的主题词；

其中，所述主题词模型中包括已标注主题词的多个文本，所述多个文本中的每个文本对应至少一个主题词，所述主题词模型用于通过如下方式对所述目标文本进行处理：

在所述已标注主题词的多个文本中，确定所述目标文本的相似文本；

确定所述相似文本中各主题词的目标权重值；

将所述目标权重值最大的主题词确定为所述目标文本的主题词。

可选地，所述目标文本为投诉文本，所述方法还包括：

根据所述主题词，确定所述目标文本所属的投诉类型；

将所述目标文本发送给所述投诉类型对应的投诉处理终端，以使所述投诉处理终端对所述目标文本进行处理。

可选地，所述请求包括语音投诉信息，所述方法还包括：

对所述语音投诉信息进行识别，得到所述语音投诉信息对应的文本；

将所述语音投诉信息对应的文本作为所述目标文本。

可选地，所述确定所述相似文本中各主题词的权重值，包括：

根据所述相似文本中各主题词的出现频率，确定所述相似文本中各主题词的初始权重值，并根据所述相似文本中主题词之间的共现次数，确定所述相似文本中主题词之间的转移概率；

根据所述初始权重值和所述转移概率的乘积，确定所述相似文本中主题词的目标权重值。

可选地，所述根据所述相似文本中主题词之间的共现次数，确定所述相似文本中主题词之间的转移概率，包括：